[发明专利]机器视觉处理方法、装置、存储介质和电子设备

说明书

本发明提供了一种机器视觉处理方法、装置、存储介质和电子设备，该方法包括：获取待识别的三维图像数据；采用PCA算法对所述三维图像数据中的目标元素进行特征信息提取；将所述目标元素的特征信息生成描述向量；根据预先训练的分类识别模型对所述描述向量进行分类识别，得到所述目标元素的类别属性。本发明实施例中机器人可以在复杂环境中提取主成分，从而精准完成分拣工作，进而使得机器人可以在复杂环境识别比规则图形更复杂的形状，提高定位和识别零件的精度。

技术领域

本发明涉及机器视觉技术领域，尤其涉及一种机器视觉处理方法、装置、存储介质和电子设备。

背景技术

机器视觉能够提高生产的灵活性和自动化程度。在一些不适于人工作业的危险工作环境或者人工视觉难以满足要求的场合，常用机器视觉来替代人工视觉。机器视觉主要的功能有四个，分别是引导和定位，外观检测，高精度监测和识别。其中引导和定位可应用于三维和二维条件下，做到定位流水线的静态和动态目标，可适应不同情况下的视觉定位需求。外观检测可使用高清工业摄像机进行辅助，定位，寻边，配合四轴机械臂实现分拣和码垛。高精度监测可以应用于医药、食品、服装等行业，对产品质量进行监测。识别方面的应用广泛，需利用机器视觉对图像进行处理、分析和理解，以识别各种不同模式的目标和对象。可以达到数据的追溯和采集，常在汽车零部件、食品、药品等方面应用。

现有的机器人系统，在视觉部分的工作流程都是先拍照，以对简单形状进行添加，而后在机器人末端配置摄像机对图像进行采集，然后进行识别。但是随着智能制造对工业机器人的要求越来越高，工业机器人只有做到在更复杂的环境下识别更多元化的形状，才能满足制造业向前发展的需求。

发明内容

本发明的目的在于克服上述技术问题，提供一种机器视觉处理方法、装置、存储介质和电子设备。

本发明的一个方面，提供了一种机器视觉处理方法，所述方法包括：

获取待识别的三维图像数据；

采用PCA算法对所述三维图像数据中的目标元素进行特征信息提取；

将所述目标元素的特征信息生成描述向量；

根据预先训练的分类识别模型对所述描述向量进行分类识别，得到所述目标元素的类别属性。

可选地，所述方法还包括：

预先采用PCA算法对各类别的目标元素在不同应用场景下的三维图像数据进行特征信息提取；

将各类别的目标元素的特征信息分别生成对应的样本数据；

采用生成的所述样本数据对进行分类识别模型的训练。

可选地，在所述根据预先训练的分类识别模型对所述描述向量进行分类识别之后，所述方法还包括：

根据分类识别结果，对所述分类识别模型进行修正优化。

可选地，在所述对所述三维图像数据中的目标元素进行特征信息提取之前，所述方法还包括：

使用背景差分法去除所述三维图像数据中的图像背景；

使用Ostu算法对去除背景后的图像进行阈值分割。

可选地，所述特征信息包括所述目标元素的形状特征、颜色特征、尺寸特征、方向特征、数量特征、位置特征中的至少一个。

本发明的另一个方面，提供了一种机器视觉处理装置，所述装置包括：

获取模块，用于获取待识别的三维图像数据；

提取模块，用于采用PCA算法对所述三维图像数据中的目标元素进行特征信息提取；

配置模块，用于将所述目标元素的特征信息生成描述向量；